排序方式: 共有88条查询结果,搜索用时 15 毫秒
1.
以北海市红树林分布区为研究区,设置调查样地,采用灰色统计分析与美景度评价相结合的方法,探讨了北海市红树林景观美景度及其影响的主要因素。研究结果表明,在研究样地中,木榄(Bruguiera gymnorrhiza)群落、桐花树(Aegiceras corniculatum)群落、红海榄(Rhizophora stylosa)群落、桐花树+秋茄(Kandelia candel)群落、白骨壤(Aricennia marina)+秋茄群落、海漆群落(Excoecaria agallocha)、白骨壤+拉关木(Laguncularia racemosa)群落、桐花树+无瓣海桑群落(Sonneratia apetala)、白骨壤群落的平均美景度值依次减小;北海市红树林景观美景度的影响因素为潮汐、鸟类活动、滩涂完整性、红树林与海堤结合状况和红树林斑块面积,其对红树林景观美景度的贡献率依次变小。 相似文献
2.
随着广电行业的飞速发展,以串行数字接口(SDI)基带信号为基础技术架构的传统电视信号已经很难满足未来技术发展和业务扩展的需求.得益于现代通信技术的迅速发展以及即将到来的万物互联的5G时代,广电行业也将采用IP化技术来构建新的网络系统.处在向IP化发展的过渡期,广电IP化目前还存在一些亟待解决的问题.为了解决广电系统网络中需要更高精度的同步信号来完成时间同步的问题,本文利用精确时间协议(PTP)时间同步技术在专用以太网中完成时间同步组网,搭建了测试环境并对测试数据进行了分析.测试结果表明,相较于传统的网络时间协议(NTP)时间同步技术,输出PTP信号的准确度能够达到亚微秒量级,完全满足广电行业IP化数字电视系统时间同步信号的高精度需求. 相似文献
3.
机器学习在当今的诸多领域已经取得了巨大的成功.尤其是提升算法.提升算法适应各种场景的能力较强、准确率较高,已经在多个领域发挥巨大的作用.但是提升算法在天文学中的应用却极为少见.为解决斯隆数字巡天(Sloan Digital Sky Survey,SDSS)数据中恒星/星系暗源集分类正确率低的问题,引入了机器学习中较新的研究成果–XGBoost (eXtreme Gradient Boosting).从SDSS-DR7 (SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源集和暗源集.首先,分别对亮源集和暗源集使用十折交叉验证法,同时运用XGBoost算法建立恒星/星系分类模型;然后,运用栅格搜索等方法调优XGBoost参数;最后,基于星系的分类正确率等指标,与功能树(Function Tree, FT)、Adaboost (Adaptive boosting)、随机森林(Random Forest, RF)、梯度提升决策树(Gradient Boosting Decision Tree, GBDT)、堆叠降噪自编码(Stacked Denoising AutoEncoders, SDAE)、深度置信网络(Deep Belief Network, DBN)等模型进行对比并分析结果.实验结果表明:XGBoost在暗源分类中要比功能树算法的星系分类正确率提高了将近10%,在暗源集的最暗星等中比功能树提高了将近5%.同其他传统的机器学习算法和深度神经网络相比, XGBoost也有不同程度的提升. 相似文献
4.
机器学习在当今诸多领域已经取得了巨大的成功,但是机器学习的预测效果往往依赖于具体问题.集成学习通过综合多个基分类器来预测结果,因此,其适应各种场景的能力较强,分类准确率较高.基于斯隆数字巡天(Sloan Digital Sky Survey,SDSS)计划恒星/星系中最暗源星等集分类正确率低的问题,提出一种基于Stacking集成学习的恒星/星系分类算法.从SDSS-DR7(SDSS Data Release 7)中获取完整的测光数据集,并根据星等值划分为亮源星等集、暗源星等集和最暗源星等集.仅针对分类较为复杂且困难的最暗源星等集展开分类研究.首先,对最暗源星等集使用10折嵌套交叉验证,然后使用支持向量机(Support Vector Machine,SVM)、随机森林(Random Forest,RF)、XGBoost(eXtreme Gradient Boosting)等算法建立基分类器模型;使用梯度提升树(Gradient Boosting Decision Tree,GBDT)作为元分类器模型.最后,使用基于星系的分类正确率等指标,与功能树(Function Tree,FT)、SVM、RF、GBDT、XGBoost、堆叠降噪自编码(Stacked Denoising AutoEncoders,SDAE)、深度置信网络(Deep Belief Network,DBN)、深度感知决策树(Deep Perception Decision Tree,DPDT)等模型进行分类结果对比分析.实验结果表明,Stacking集成学习模型在最暗源星等集分类中要比FT算法的星系分类正确率提高了将近10%.同其他传统的机器学习算法、较强的提升算法、深度学习算法相比,Stacking集成学习模型也有较大的提升. 相似文献
6.
在用EKF算法消除微弱GPS卫星信号中的噪声,并估计出多径幅度与码相位时延的码跟踪环中,由于各种误差的存在,从而降低了环路的跟踪性能。针对这一问题,该文在EKF算法的基础上提出了一种LSEKF算法,该LSEKF算法用最小二乘估计的原理对EKF算法所用的采样观测点进行修正,构造出一组无偏、均方误差和最小与空间分布确定的新型采样观测点,用来进行后续的滤波估计。仿真结果表明,相比EKF算法,LSEKF算法拥有更高的伪码跟踪精度,而且收敛速度更快,跟踪门限也更低。 相似文献
7.
针对硬件接收机中传统抗干扰方法成本高、体积大、功率大和环境受限等问题,提出了用GPS软件接收机作为抗干扰算法研究平台,用子空间分解的时域滤波法和频域滤波法消除窄带干扰,其中频域滤波法中干扰频率分量置零有时会引起信号在时域波形畸变。为了解决该问题,提出了用广义延拓插值法,得到干扰频带去除干扰后的广义延拓插值估计信号。实验仿真结果表明,两种方法都能有效而可靠地去除窄带干扰,基于广义延拓插值的频域滤波法更显其优越性。 相似文献
8.
结合滤波算法的不敏卡尔曼滤波器相位解缠方法 总被引:2,自引:1,他引:1
提出结合预滤波算法的不敏卡尔曼滤波(UKF)相位解缠方法。该方法把UKF、传统路径跟踪策略、全方位的局部相位梯度估计技术以及小窗口干涉图预滤波算法有效结合起来,能在相位解缠的同时进行干涉相位噪声抑制,既不受相位残差点影响,又避免了传统方法在相位解缠之前须尽可能滤除干涉图中相位噪声的不足。模拟和实测数据实验结果验证了本文方法的有效性,且与扩展卡尔曼滤波相位解缠算法(EKFPU)以及传统方法相比具有较高的精度。 相似文献
9.
针对Affine-SIFT(ASIFT)穷举模拟影像匹配带来的海量特征描述符提取以及高维距离计算问题,本文提出了一种自适应选取最优仿射变换集以大幅减少模拟影像数量,进而提高ASIFT宽基线立体影像匹配效率的方法,并就其中单应性下的相对仿射变换模拟、渐进式匹配搜索与模型参数估计以及最优仿射变换集的确定等关键问题进行了阐述。实验表明,本方法较好地兼顾了ASIFT宽基线立体影像匹配的稳健性与效率,具有实用价值。 相似文献
10.
针对室内外无缝定位在室内外过渡点精度低、不能平滑自动切换等问题,结合GNSS定位技术以及室内地磁指纹节点的组合方法来实现室内外无缝定位及导航。由于从室外至室内时接收机接收到的卫星星数减少、GDOP值逐渐增加、定位的误差增大,因此室内地磁定位精度逐渐优于GNSS定位精度,在两个定位精度临界点通过分析计算得出GDOP最优转化范围值,进行平稳切换。此次试验仿真结果表明,GDOP在3~3.5进行切换与单一GNSS或地磁方法定位的精度相比,分别提高85.7%和82.6%,从而达到了室内外的高精度无缝定位,填补了国内外在室内外无缝定位上没有合适的切换界定的空白。 相似文献